基于行为树的自动驾驶系统真实安全关键场景搜索
机器人学
2023-05-12 v1 软件工程
摘要
基于仿真的自动驾驶系统（ADSs）测试已受到广泛关注。然而，当前方法往往难以准确评估ADSs，原因有二：过度依赖专家知识以及使用简化的评价指标。这导致仿真场景与自然驾驶环境之间存在差异。为此，我们提出Matrix-Fuzzer，一种基于行为树的测试框架，用于自动生成真实的安全关键测试场景。我们的方法包含log2BT方法，将记录的道路使用者轨迹抽象为行为序列。此外，我们从真实驾驶分布中改变行为的属性，然后使用自适应算法探索输入空间。同时，我们设计了一个通用评价引擎，引导算法朝向关键区域，从而减少无效场景的生成。我们的方法在Matrix Simulator中得到验证。实验结果表明：(1) 我们的log2BT实现了令人满意的轨迹重建。(2) 我们的方法能够发现最多类型的安全关键场景，而相较于基线算法仅生成约30%的总场景。具体而言，在两个案例研究中，它将关键违规占总场景的比例以及类型占总场景的比例分别至少提高了10倍和5倍，同时将无效场景占总场景的比例至少降低了58%。
引用
@article{arxiv.2305.06603,
title = {Realistic Safety-critical Scenarios Search for Autonomous Driving System via Behavior Tree},
author = {Ping Zhang and Lingfeng Ming and Tingyi Yuan and Cong Qiu and Yang Li and Xinhua Hui and Zhiquan Zhang and Chao Huang},
journal= {arXiv preprint arXiv:2305.06603},
year = {2023}
}